Mapping satellite-derived chlorophyll-a concentrations from 2013 to 2023 in Western Lake Ontario using Landsat 8 and 9 imagery
Notice bibliographique
Résumé
Algal blooms are a major environmental issue in many freshwater environments. While traditional in-situ measurements remain indispensable to monitor algal dynamics, they offer only limited spatiotemporal coverage, especially when dealing with large water bodies. Satellite remote sensing can help overcome this limitation. Here, a semi-empirical model for retrieving surface water Chlorophyll- a (Chl- a ) concentrations, a proxy of phytoplankton biomass, was developed for the western basin of Lake Ontario, one of the Laurentian Great Lakes. ACOLITE-corrected Landsat 8 and 9 imagery between 2013 and 2023 was calibrated and verified with local in-situ Chl- a measurements. The nearshore areas of Western Lake Ontario, including the semi-enclosed Hamilton Harbour, are prone to algal blooms, while oligotrophic conditions prevail in the offshore areas. Three bloom indicators—intensity, extent, and severity—were used to characterize the variability and seasonality of algal blooms in different areas of the lake. Time-series analyses revealed contrasting temporal trends in Chl- a concentrations of the nearshore and offshore waters over the eleven-year period of observation. Analysis of external factors impacting algal blooms in Western Lake Ontario and Hamilton Harbour revealed temperature, wind speed, and cloud cover as the most influential, with around 80 % of blooms occurring under moderate conditions (temperature 4–26 °C and wind speed 2.5–5. m s −1 ). Overall, our research underlines the great potential for cost-effective monitoring of algal dynamics in large lakes, utilizing publicly available satellite imagery, in order to support eutrophication management. • Landsat 8/9 imagery captures 2013–2023 algal dynamics in Western Lake Ontario • Matchup-validated semi-empirical Chl- a retrieval model outperforms pre-trained MDN • Nearshore meso-eutrophic waters contrast with offshore oligotrophic waters • Peak algal growth conditions are ≤24 °C, ∼3 m s −1 wind speed, and clear skies
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».